Skip to content
Skip to content
Menu
Info Cafe
Info Cafe

Distribuição Bernoulli

By admin on Março 14, 2021

br>DownLOAD Mathematica NotebookBernoulliDistribuição

A distribuição Bernoulli é uma distribuição discreta com dois resultados possíveis etiquetados por n=0 e n=1 em que n=1 (“sucesso”) ocorre com probabilidade p e n=0 (“falha”) ocorre com probabilidade q=1-p, onde 0p1. Por conseguinte, tem função de densidade de probabilidade

P(n)={1-p para n=0; p para n=1,
(1)

que também pode ser escrito

P(n)=p^n(1-p)^(1-n).
(2)

The função de distribuição correspondente é

D(n)={1-p para n=0; 1 para n=1.
(3)

A distribuição Bernoulli é implementada na WolframLanguage como BernoulliDistribution.

A realização de um número fixo de ensaios com uma probabilidade fixa de sucesso cada ensaio é conhecido como um ensaio Bernoulli.

A distribuição de cabeças e caudas no lançamento de moedas é um exemplo de uma distribuição Bernoulli com p=q=1/2. A distribuição Bernoulli é a distribuição discreta mais simples, e é o bloco de construção para outras distribuições discretas mais complicadas. As distribuições de vários tipos de variações definidas com base em sequências de ensaios independentes de Bernoulli que são de alguma forma reduzidas estão resumidas na tabela seguinte (Evans et al. 2000, p. 32).

número de sucessos em n ensaios

distribuição definição
distribuição binomial
distribuição geométrica número de falhas antes o primeiro sucesso
distribuição binomial negativa número de falhas antes do xth success

A função característica é

phi(t)=1+p(e^(it)-1),
(4)

e o momento…função geradora é

M(t) = e^(tn)
(5)
= sum_(n=0)^(1)e^(tn)p^n(1-p)^(1-n)
(6)
= e^0(1-p)+e^tp,
(7)

so

M(t) = (1-p)+pe^t
(8)
M^'(t)'(t) = pe^t
(9)
M^('')(t)'')(t) = pe^t
(10)
M^((n)))(t) = pe^t.
(11)

These dar momentos brutos

mu_1^'' = p
(12)
mu_2^'' = p
(13)
mu_n^'' = p.
(14)

e momentos centrais

mu_2 = p(1-p)
(15)
mu_3 = p(1-p)(1-2p)
(16)
mu_4 = p(1-p)(3p^2-3p+1).
(17)

A média, a variância, o enviesamento,e o excesso de curtose são então

mu = p
(18)
sigma^2 = p(1-p)
(19)
gamma_1 = (1-2p)/(sqrt(p(1-)p))
(20)
gamma_2 = (6p^2-6p+1)/(p(1-p)).
(21)

Para encontrar um estimador p^^ para a média de uma população Bernoulli com média populacional p, let N be the sample size and suppose n successes are obtained from the N trials. Suponha um estimador dado por

p^^=n/N,
(22)

para que a probabilidade de obter o observado n sucessos em N ensaios é então

(N; n)p^n(1-p)^(N-n).
(23)

O valor de expectativa do estimador p^^^ é portanto dado por

p^^ = sum_(n=0)^(N)p(N; n)p^n(1-p)^(N-n)
(24)
= (1-p)^N(1/(1-p))^Np
(25)
= p,
(26)

so p^^ é de facto um estimador imparcial para a média da população p.

O desvio médio é dado por

MD=2p(1-p).
(27)

Navegação de artigos

How Queen Elizabeth IIs Controversial Trip to Ghana Changed the Future of the Commonwealth
Trump nomeação Prémio Nobel da Paz – o que precisa de saber

Deixe uma resposta Cancelar resposta

O seu endereço de email não será publicado. Campos obrigatórios marcados com *

Artigos recentes

  • Firebush (Português)
  • Previsão da taxa de CD para 2021: As taxas manter-se-ão provavelmente baixas, mas poderão aumentar mais tarde no ano
  • Como estruturar a documentação do sistema de gestão da qualidade
  • Dor pélvica crónica e prostatite: sintomas, diagnóstico e tratamento
  • Mixed Berry Crisp (Português)
  • Wheat Ales (Americana)
  • Os benefícios da amamentação após um ano
  • É seguro despejar café moído na pia | Canalização atómica
  • Cool-Down After Your Workout
  • Our Work

Meta

  • Iniciar sessão
  • Feed de entradas
  • Feed de comentários
  • WordPress.org

Arquivo

  • Março 2021
  • Fevereiro 2021
  • Janeiro 2021
  • Dezembro 2020
  • DeutschDeutsch
  • NederlandsNederlands
  • EspañolEspañol
  • FrançaisFrançais
  • PortuguêsPortuguês
  • ItalianoItaliano
  • PolskiPolski
  • 日本語日本語
©2021 Info Cafe | WordPress Theme by SuperbThemes.com